基于一维卷积长短时记忆网络的多信号融合刀具磨损评估

为实现刀具磨损状态的有效在线监测,提出一种基于一维卷积长短时记忆网络的多信号融合刀具磨损评估模型.该模型综合使用加工过程中主轴和工作台的振动和声发射信号,以实现信号间的优势互补,弥补单一信号的不足;基于一维卷积的特征学习能力和长短时记忆网络的时序特征分析能力,充分挖掘信号中包含的刀具磨损状态信息;最后通过全连接层和softmax分类器对刀具磨损状态进行评估.试验结果表明,该模型在各单一工况下对刀具磨损状态的识别准确率均可达93.8％以上,整体工况下识别准确率达95.3％,具有很好的稳定性和多工况通用性.     

基于BiLSTM的铣刀磨损状态监测模型

机械加工中刀具磨损退化直接影响工件质量和生产效率,在线监测刀具状态对于提高生产可靠性和降低刀具成本具有重要意义。为实现铣刀磨损状态在线监测,通过采集的主轴振动和主轴电机驱动电流作为监测信号;使用小波阈值降噪消除信号中的环境噪声干扰成分,并通过冗余提升小波变换保留信号的精确频率局部化信息,以提取更为丰富的频率特征;引入BiLSTM双向长短周期记忆网络对特征信号的时间信息进行编码,通过全连接层预测刀具磨损状态。通过铣刀的全寿命实验验证本文设计的铣刀磨损状态监测模型,结果表明,BiLSTM双向长短周期记忆网络可以有效评估铣刀磨损状态。     

卡尔曼滤波修正LS-SVM的刀具磨损识别技术研究

针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机(LS-SVM)的刀具磨损量识别技术,并针对模型输出存在系统误差而降低刀具磨损量识别精度的问题,引入卡尔曼滤波算法对时序监测结果进行修正,实现小样本下的刀具磨损量的精确识别。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息,作为LS-SVM的输入样本,并对模型进行学习训练,完成对刀具磨损状态的识别,最后采用卡尔曼滤波修正其时序监测结果。实验结果表明:LS-SVM模型能高效地实现刀具磨损量识别,需样本数较少,训练速度快,通过卡尔曼滤波修正后的磨损量识别结果精度更高。     

基于智能报警的刀具状态在线监测技术

为了提高机床加工过程中刀具磨损的监测能力,选择主轴电流和进给电流为主要信息,基于小波分解及软测量模型进行电流信号的多特征提取,从加工进给和主轴驱动两方面反映刀具磨破损信息;在此基础上,基于Parzen视窗法进行多特征信息的数据融合,构建智能报警模型,并依据拉依达法则确定报警边界,从而实现刀具状态的智能报警.将该技术应用到机床的加工中,实验证明可以实时地监测刀具运行状态并进行磨破损报警.     

基于主轴电流信号多特征融合的刀具磨损状态监测

为实现在正常生产条件下进行刀具磨损的长期在线监测,提出了基于主轴电流信号和粒子群优化支持向量机模型(PSO-SVM)的刀具磨损状态间接监测方法。首先对数控机床主轴电机电流信号进行分析,将与刀具磨损相关的主轴电流信号多个特征参数和EMD能量熵进行特征融合作为输入特征向量;其次,通过粒子群寻优算法(PSO)对支持向量机模型(SVM)参数进行优化,建立基于主轴电流信号融合特征和PSO-SVM理论的刀具磨损状态识别模型;最后,通过实验采集某立式加工中心主轴在刀具不同磨损状态下电流信号进行验证,并与传统SVM模型、BP神经网络模型进行了对比分析。结果表明,所提出的方法具有较高的准确率和较好的泛化能力。能够实现正常生产条件下对刀具磨损的长期在线监测。     

基于狄利克雷混合模型的刀具磨损量在线估计

提出了一种基于狄利克雷混合模型的刀具磨损状态监测和磨损量估计的新方法。该方法将刀具磨损过程描述为磨损量的累积过程,通过对磨损增量的连续估计获得刀具当前的磨损量估计。首先对原始力信号进行特征提取,接着在不确定磨损增量状态数量的前提下采用狄利克雷混合模型对特征自动分类,然后利用吉布斯采样方法确定模型参数,最终得到描述力信号特征与磨损增量映射关系的刀具磨损状态混合模型。根据该混合模型以及当前的力信号信息即可完成刀具磨损量的在线估计。真实应用案例证明了该方法能自适应学习磨损状态并有效估计刀具的连续磨损值。     

基于谐波特征和GA-SVM的刀具状态监测

刀具状态的监测是实现机械加工自动化重要的一环.为了有效地捕捉刀具的状态信息,提出了一种基于谐波特征和GA-SVM(遗传-支持向量机)相结合的刀具状态监测方法.该方法运用小波变换提取AE信号的谐波特征信息,作为支持向量机的输入参数,GA寻找SVM建立刀具状态模型的最优参数,通过训练建立模型.结果表明,该方法能有效监测刀具磨损状态.     

基于云模型和稀疏贝叶斯技术的刀具磨损状态识别技术研究

针对刀具磨损状态监测和磨损量预测研究中特征提取这一关键技术,提出采用声发射传感器和功率传感器采集机床刀具磨损相关的信号信息,采用两种信号采集的方法可以避免单一信号本身自有的缺陷。采用云模型算法能够科学地耦合两种信息,并提取信号中反映刀具磨损量的特征因素;使用稀疏贝叶斯方法建立模型进而预测刀具磨损量,实现了对刀具磨损的监控,提高了刀具磨损监控的效率和准确性。     

CPS系统中刀具加工状态实时监测的新方法

机床是信息物理系统(CPS系统)中主要的执行单元和感知单元,对其加工状态的动态监测和实时感知可以提高产品质量。为了实现加工现场信号采集和刀具加工状态在线监测,设计了主轴功率信号采集系统,同时引入力信号作为对比分析,应用希尔伯特-黄变换和小波变换根据特征频率段的信号特征构造了刀具磨损系数,将刀具磨损状态和磨损系数对应起来,在加工现场实现了刀具状态的在线监测。通过和小波变换的对比,证明了希尔伯特-黄变换在处理功率信号方面可以有效抑制噪声信号,提高监测的准确性。     

基于声发射信号的带材剪切刀具磨损在线监测方法

在铁基纳米晶合金带材剪切加工过程中，其刀具的状态对于保证加工质量至关重要。针对铁基纳米晶合金带材剪切加工过程中的刀具磨损状态监测问题，提出了一种基于声发射信号的剪切刀具磨损在线监测方法。首先，通过搭建声发射监测设备确定了相应的参数，采集原始声发射信号进行了预处理，得到了剪切加工阶段的信号，将其用于后续处理；然后，分析了剪切刀具磨损以及带材质量随剪切加工过程变化的关系，并根据剪切加工过程中获取的声发射信号，进行了时域、频域、时频域特征提取，分析了获得的特征与刀具磨损之间的关系，利用ReliefF和主成分分析(PCA)算法进行了特征选择与降维处理，得到了具有良好相关性的特征；最后，基于所选特征，构建了支持向量机(SVM)人工智能模型，用以识别剪切刀具的磨损阶段。研究结果表明：随着刀具磨损的加剧，带材质量下降，声发射信号特征值与刀具磨损存在对应关系；采用ReliefF-PCA-SVM模型能够实现95.56%的分类准确率，能够有效地对剪切加工过程中的刀具磨损进行在线监测。     

贝叶斯网络故障诊断的先验概率评估研究

针对贝叶斯网络中引入专家意见的先验概率准确度问题,对专家意见的误差判别、量化规则、意见综合等方面进行了研究.基于多重插补法对故障样本中的缺失统计数据进行概率插补,利用MATLAB进行概率拟合后得到了完备的先验概率集,提出了一种系统化的专家先验概率评估方法,并应用于大型桥式起重机故障诊断,验证了先验概率评估方法的可靠性.研究结果表明,该评估方法能够实现专家定性意见的精确量化,可以有效减小先验概率误差、提高故障诊断的效率,也可为先验概率赋值合理性的进一步研究提供依据.     

能量检测法在确定信道下的性能仿真

针对认知无线电通信系统中基于能量检测的频谱感知方法，分析了基于能量检测法的高斯和瑞利信道下的检测概率和虚警概率，进行了MATLAB仿真，得到了理论和仿真曲线，结果表明能量检测法在确知噪声的情况下是一种有效频谱感知方法。     

细长压杆稳定性的模糊概率预测

根据模糊概率理论，对细长压杆稳定性的模糊概率预测方法进行了探讨，并给出了实列。     

核压力容器缺陷验收确定性准则的失效概率分析

在含缺陷结构完整性评定中,即使满足确定性分析要求,结构也会存在发生失效的可能。提出确定性缺陷验收准则所对应失效概率的分析方法,以计算在满足确定性分析要求的临界条件下结构的失效概率。采用该方法可以验证确定性缺陷验收准则是否能够满足结构的概率要求,也可依据概率要求指导确定性缺陷验收准则中安全系数的制定。针对ASME BPVC第XI卷中基于应力强度因子的缺陷验收准则,以正常降温工况和承压热冲击事故工况为例,对一典型含缺陷反应堆压力容器(Reactor pressure vessel,RPV)进行确定性分析和概率分析,得到相应工况下的临界裂纹尺寸及失效概率,并讨论安全系数对含缺陷RPV失效概率的影响。所分析案例表明,ASME标准中规定的安全系数在正常降温工况下尚不能保证RPV临界失效概率低于核安全的概率要求。     

基于联合成功率的飞机总体设计评价方法研究

为了提高设计决策的科学性和稳健性,对不确定因素影响下的飞机总体方案评价问题进行了研究,提出了一个以联合成功率为综合评价指标的决策方法.根据多变量概率理论,定义了联合成功率的数学表达式,研究了联合概率密度函数的计算方法:联合概率模型;依托联合概率分布,将概率设计方法和多准则决策方法进行有机结合,给出了基于联合成功率的飞机总体方案评价步骤.最后,通过算例分析,对该方法的实际应用进行了演示,并验证了联合概率模型的合理性.     

最小二乘法在估计概率分布参数中的应用

提出一种估计概率分布参数的最小二乘法，这种方法以概率密度函数和频率间的关系为基础，通过对概率密度函数和频率间的关系进行合理的近似，建立求解未知分布参数的方程组，在求解过程中，将样本容量视为未知量，以简化求解过程。计算机模拟实例表明，这种方法求解出的未知分布参数精度较高，而且对于一些常见的分布函数，这处方法的求解过程十分简单。文中还通过计算机模拟对本文方法和极大似然估计法做了统计分析。     

疲劳概率模型的综合评价方法

提出了疲劳概率模型的综合评价方法，从已通过假设检验的各疲劳概率模型中选择最优疲劳数据描述概率模型。对42CrMo硬齿面齿轮轮齿弯曲疲劳试验寿命分布概率模型的综合预测能力进行了排序，得出三参数Weibull分布（3-PWD）和指数分布(ED)是最佳预测概率模型的结论。     

估算谱载荷下疲劳寿命的累积破坏率法

提出一种新的估算谱载下疲劳寿命的方法,累积破坏率法。该广阔城对等幅度寿命统计分析的基础上,推导出任意应下下对数疲劳寿命的概率密度函数,从而利用累积破坏概率估算谱载下构件的疲劳寿命。本文利用１６Ｍｎ与车轮铸钢对该方法进行了验证,结果表明累积破坏概率法能较为准确地进行变幅疲劳寿命的可靠必骨较好的工程应用价值。     

试论结构可靠性设计中的有关问题

就可靠性的指标、随机信息的处理、可靠性计算方法、破坏概率的概率分布等几个方面诠释了可靠性的基本特征、技术内涵和行为准则,从而可以更为全面地理解可靠性设计与分析方法。     

基于模糊事件的熵对模糊可靠性的应用研究

在对机械系统进行模糊可靠度计算时 ,通过引入模糊事件熵的概念来评价隶属函数特征值选取的可靠程度 ,并以实例说明它在计算机械零件乃至机械系统模糊可靠性可信程度上的应用